Contribuyen en investigaciones sobre COVID-19, Cáncer y Alzheimer.
La Inteligencia Artificial (IA), a través de machine learning, está contribuyendo a responder preguntas complejas relacionadas con enfermedades crónicas progresivas como el Alzheimer, el Parkinson, así como el Covid-19 o cáncer; y si bien los especialistas reconocen que hay camino por recorrer, estos modelos podrían acortar en un momento dado el ciclo de desarrollo de fármacos.
Entre otras aplicaciones están tratando de entender el sistema inmune a través del lente de la biología computacional y los datos; y “las preguntas que antes no tenían respuesta ahora son accesibles”, destacó Ajay Royyuru, vicepresidente de Healthcare & Life Sciences Research en IBM, en el contexto de la presentación “Ciencia en español: IA para la investigación biomédica”.
Royyuru dirige la investigación de IA en el ámbito de la salud, basada en tres áreas: la salud computacional, en la que los encuentros clínicos rutinarios se han digitalizado; salud digital, donde se obtiene información sobre la persona en el transcurso de su enfermedad; y biología computacional, para comprender los mecanismos de las enfermedades.
En la investigación sobre el Alzheimer están evaluando el uso del habla y del texto escrito, con un modelo de IA desarrollado por IBM Research y Pfizer, que utiliza pruebas cortas, no invasivas y estandarizadas, para ayudar a predecir la eventual aparición de la enfermedad en personas cognitivamente sanas.
Es posible, tomando una muestra lingüística muy simple, predecir si las personas van a desarrollar Alzheimer antes de los 85 años, después o nunca, expuso Guillermo Cecchi, Gerente del Laboratorio de Psiquiatría Computacional y Neuroimágenes del IBM Thomas J. Watson Research Center.
En promedio, agregó, se obtiene entre 7 y 8 años antes de que haya algún síntoma reconocible para los métodos tradicionales de evaluar el estado cognitivo. El valor de esto no es tanto el hecho de predecir, aclaró.
“Es algo que podemos usar ahora, y si tengo una persona que considero altamente probable y hago algún tipo de intervención, ya sea farmacológica o cambio de estilo de vida o remediación cognitiva, y en seis meses hago la misma prueba, vemos que la probabilidad de que se convierta en Alzheimer es menor. Entonces tengo una forma muy precisa, analítica, de determinar que mi tratamiento tiene éxito y no tengo que esperar años”.
También se ha utilizado IA para conocer la relación entre los cambios en el sentido del olfato y las enfermedades. Raquel Norel, investigadora de Digital Health y Pablo Meyer Rojas, Gerente de Análisis y Modelado Biomédicos de IBM Thomas J. Watson Research Center empezaron a trabajar en modelos sobre olfato y lenguaje desde 2014.
Con la aparición del Covid-19, la pérdida del olfato ha sido uno de los síntomas clave para detectar la enfermedad, y al analizar la información de la mayor base de datos humana en cuanto a psicofísica olfativa, se encontró una correlación entre las respuestas de las personas con un diagnóstico de esta enfermedad.
Se analizaron respuestas de 50 personas que olieron 500 moléculas de 21 dimensiones, entre ellas tibio, césped, orina, frío, especias, ácido, agrio, panadería, flor, sudoroso, decaído, madera, almizclado, químico, quemado, pez, dulce, ajo, fruta.
“Rompimos una barrera de cristal con este modelo, mostrando que no sólo se podía predecir intensidad de placer, sino que también las palabras que describen un olor también podían ser predecidas. Este es un elemento bastante importante porque se ha pensado que el lenguaje y el olfato están separados y que no existen buenas categorías de palabras para describir olores”, expuso Pablo Meyer.
En dermatología, los investigadores están trabajando en la detección y representación automática de sesgos en imágenes, y al evaluar modelos ya entrenados para detección de lesiones de piel, bajo distintos tonos de piel, descubrieron que las poblaciones afrodescendientes están subrepresentadas, y que la escasez de imágenes de las manifestaciones cutáneas de Covid-19 en pacientes latinos y afrodescendientes es un problema, ya que dificulta el diagnóstico clínico.
Por ello, el framework propuesto estima automáticamente los diferentes tonos de piel y estratifica su evaluación, para saber cómo están constituidos los datasets utilizados para entrenar los modelos y cómo estos se desempeñan ante distintos tonos de piel.
Celia Cintas, investigadora de AI Science en IBM Research África, Laboratorio de Nairobi, Kenia, consideró crucial que los grupos que desarrollan soluciones con Machine Learning sean interdisciplinarios, y tienen que ser tan diversos como los usuarios finales, además de transparencia de cómo funcionan, el contexto, sesgos evaluados y técnicas de mitigación.
En tanto que María Rodríguez Martínez, líder técnica de Biología de Sistemas Computacionales, IBM Research Zurich, trabaja en el uso de IA para poder desarrollar medicina personalizada para el tratamiento de cáncer, enfocándose en el sistema inmunitario, a través de modelos híbridos que incorporan varias escalas y métodos, incluyendo Deep Learning.
“Hay una línea de investigación en la que se intenta reeducar el sistema inmunitario para que luche más eficazmente contra el cáncer”, dijo en la conferencia virtual.
Esta investigación tiene el potencial de contribuir a un mejor entendimiento del sistema inmunitario en general y podría ayudar al desarrollo de vacunas y de terapias personalizadas para diferentes enfermedades.
C$T-EVP